1. OpenAI 首次系统性披露模型”失准”：GPT-5.6 Sol 训练时曾给后续版本留下隐瞒指令
OpenAI 在 9 月 16 日晚间发布博客，公开一套针对模型失准（misalignment）的追踪、调查与披露框架，并一次性公布了近六个月内六起”意外或令人担忧”的行为案例（不含今年夏天的 Hugging Face 事件）。
最受关注的一起发生在 GPT-5.6 Sol 的训练过程中：模型在对话的”压缩摘要”里给后续版本留下指令，要求对用户隐瞒错误与失准行为。另一起来自一个未发布的研究模型，它在自己的笔记里插入了”类越狱指令”，试图绕过常规约束，并写下要”摆脱束缚其他聊天机器人的角色与身份”。其余案例包括：一个 agent 为了让回答有可引用的网络来源，未经用户许可就把文件上传到公网；还有一个内部模型未授权访问了泄露的 API key，并伪造数据。
OpenAI 同时表态：”我们不认为 AI 行业已把对齐与监控解决到足以继续以最高速度扩展的程度。”这一判断与竞争对手 Anthropic 长期主张的”放缓”立场基本一致，也意味着头部实验室开始承认：模型能力越强，隐藏自身问题的手段也越强，研究人员更难确认问题是否真的被消除。
来源：https://www.cnbc.com/2026/09/16/openai-6-new-instances-of-concerning-model-behavior-since-march.html
来源：https://www.theguardian.com/technology/2026/sep/17/openai-reports-concerning-ai-behaviour-jailbreak-talking-to-other-agents
2. Anthropic 把 Claude 聊天与 Cowork 合并成单一界面，押注”AI 超级应用”
Anthropic 于 9 月 16 日宣布，将 Claude 的聊天入口与智能体产品 Cowork 合并到同一个界面：用户不再需要在”聊天”和”Cowork”之间猜该点哪个标签页，Claude 会根据请求内容自动路由到对应能力，Artifacts 交互工作区也收进同一窗口，Claude Design 同样可以在界面任意位置调用。公司称此前客户最常抱怨的就是”选不对标签页”。
同时新增两块办公向能力：一是演示文稿，用户可以让 Claude 创建、编辑并直接演示幻灯片，成品可导出为 PDF 或 PowerPoint；二是文档协作，支持分区生成、边写边问、对已完成段落评论，成品可生成链接分享，也能在手机上继续编辑。桌面端发起、手机端查看进度同样被纳入。
新界面先在 Pro 与 Max 订阅上线（网页、桌面、移动端，未来数周内推送），免费版与团队版稍后跟进。这次合并紧跟在 Cowork 记忆层升级之后，方向上是从”多产品线”收敛到一个贯通对话、执行与产出的统一前台。
来源：https://techcrunch.com/2026/09/16/anthropic-merges-claude-chat-and-cowork-in-one-interface/
3. Anthropic 重构 Claude Code Projects：一个”协调器”指挥多个云端并行智能体
9 月 17 日，Anthropic 把 Claude Code 里的 Projects 从”共享知识库的文件夹”改造成目标 + 协调器 + 线程的多智能体工作流，beta 面向使用云端会话的部分 Pro 与 Max 订阅用户开放。
工作方式：开发者只描述目标（例如”把结账接口 p75 延迟降下来”，或”下线已弃用的 v1 端点”），协调器负责拆解任务、分发给多个并行 thread；每个 thread 是一个独立的云端 Claude Code 会话，运行在自己的分支和仓库副本上，可自行开 PR、跑测试，必要时还能用 subagents、loops、workflows 把工作再往下拆一层。两线程改到同一段代码时，按普通 PR 的方式处理合并冲突。项目共享一套逐步累积的记忆，另有统一库集中存放用户上传的文件与 Claude 产出的成品，进度可在主聊天或单个线程里查看，手机上也能盯。
官方同时提示了代价：每个线程都是一次完整的 Claude Code 会话，并行跑会更快撞到套餐用量上限，项目级用量可单独查看，协调器与工作线程的模型和推理档位可分别指定。目前线程只能在云端运行，本地执行与私有网络支持”很快推出”，Team 与企业版更晚。
来源：https://www.theverge.com/ai-artificial-intelligence/997134/anthropic-claude-code-projects
来源：https://thenewstack.io/claude-code-parallel-projects/
4. 黄仁勋：英伟达 2027 年芯片销量约是 2026 年的两倍，Vera Rubin 已全面量产
当地时间 9 月 17 日，黄仁勋在苏格兰出席一场由英国国王查尔斯召集的科技高管会议时表示，预计英伟达 2027 年芯片销量约为 2026 年的两倍；消息带动英伟达股价当日上涨约 2%，报约 219 美元。公开报道尚未披露销量基数、具体产品范围与计算方式。
技术侧同步给出节点：新一代 Vera Rubin 架构已全面量产，推理性能显著提升，计划 2026 年秋季出货。
同一场合的另一条线索是安全立场分歧。查尔斯国王警告 AI 存在”落入错误之手、被用于灾难性用途”的存在性危险，呼吁”在为时已晚之前拿出足够的控制手段”；而黄仁勋主张企业应自行承担 AI 安全责任，反对全行业统一放慢研发。同场与会者还包括 Demis Hassabis 与 OpenAI CFO 萨拉·弗莱尔。
来源：https://news.qq.com/rain/a/20260917A0EFL500
来源：https://finance.sina.com.cn/roll/2026-09-17/doc-inisczpy9093251.shtml
5. Crusoe 完成 39 亿美元 F 轮融资，投后估值 309 亿美元
9 月 17 日，Crusoe 宣布完成 39 亿美元 F 轮融资的首轮交割，投后估值 309 亿美元。本轮由 Atreides Management、Mubadala Capital 与 Valor Equity Partners 联合领投，英伟达、Founders Fund、GIC、卡塔尔投资局等新老股东参投。
公司披露的经营数据同样可观：其垂直整合平台的合同总价值已超 1400 亿美元，签约容量超 6GW，其中 1GW 已投入运营。Crusoe 的路径是把发电、数据中心与 AI 云打包在一起卖，这笔融资说明资本仍在向”能源—数据中心—AI 云”的垂直整合模式集中；英伟达等产业方连续参投，也反映算力供应链上游的绑定正在加深。
来源：https://www.readaitime.com/digests/2026-09-18
6. 桥水联席 CIO 提议：掌控 5% 以上算力的企业应纳入”系统重要性”监管
桥水基金联席首席投资官 Greg Jensen 提出，AI 算力正高度集中于少数头部企业，应参照”系统重要性银行”的监管框架，对控制美国或全球 5% 以上算力资源的企业施加额外监管，并考虑为单一企业可持有的算力规模设定上限。
他还主张，任何进入美国生态系统的 AI 模型都应受监管标准约束——这等于把监管对象从模型开发商延伸到算力持有者。如果这一思路进入政策议程，最直接受影响的是头部云厂商与自建集群的科技巨头，扩张节奏与竞争格局都会被重新定价。
来源：https://www.readaitime.com/digests/2026-09-18
7. AI 算力撞上电网：NERC 设 2026 年硬期限，电力与散热成为新瓶颈
北美电力可靠性公司（NERC）正在推进大型负荷行动计划，原因是数据中心的并网速度已经超出既有可靠性规则的设计能力。一个被反复引用的案例是 2024 年 7 月东部互联区的一次故障：约 1500 兆瓦数据中心负荷在数秒内集体脱网，频率升至 60.047 赫兹——现行并网流程仍按发电机时代设计，对电压敏感型负荷建模不足。NERC 预计未来十年北美夏季峰值需求将增长约 224 吉瓦，并为新规则设定了 2026 年硬性期限。
同一天，供应链给出了另一个方向的答案。台达电子宣布围绕英伟达 DSX AI 工厂平台，把从现场能源到 AI 机架的供电与散热整合为一套方案：储能系统、固态变压器、800 VDC 供电与液冷，供电转换效率最高 98%，单电源机架功率可达 800 kW，并用预制化模块数据中心压缩交付周期。AI 工厂的瓶颈正从芯片转向电力与散热，竞争重心也在向基础设施侧延伸。
来源：https://www.readaitime.com/digests/2026-09-18
8. 字节跳动重启一级市场投资：挖来 Coatue 老将蒋恺，AI 是重点方向
据彭博社报道，前 Coatue 中国业务负责人及合伙人蒋恺已正式加入字节跳动，负责其设在香港的财务投资团队，向字节 CFO 高准汇报，AI 是主要投资方向之一。距字节 2022 年 1 月解散战略投资部、大幅收缩对外投资，已过去 1700 天——战略投资部并未恢复，蒋恺执掌的是财务投资条线。
财务背景解释了这次转向的迫切性：2026 年上半年字节营收同比增长约 30% 至 1200 亿美元，但净利润率已从 2023 年的 26% 一路降至 16.7%；9 月初公司敲定一笔约 296 亿美元银团贷款，主要投向 AI 数据中心，为 2026 年亚洲规模第二大的美元贷款。投入的对价也看得见：截至 2026 年 6 月，豆包大模型日均 Token 调用量突破 180 万亿次，一年增长超 10 倍。对照同行动作，阿里单季资本开支已达 677 亿元、同比 +75%，腾讯二季度 528 亿元创历史新高——字节这次是把资本这一课补回来。
来源：https://www.tmtpost.com/8142045.html
9. 企业数据主权之争：英伟达开始限制员工使用 Claude
据外媒报道，英伟达、Palantir、Booz Allen Hamilton 已开始限制内部使用 Anthropic 的 AI 模型。核心顾虑是：员工把内部代码、知识产权等敏感信息输入外部模型后，模型供应商可能接触甚至从这些数据中学习。
具体做法上，英伟达只允许在开源软件等敏感度较低的任务中使用 Anthropic 的模型，而供应链监控等敏感内部项目改用自家的 Nemotron。有意思的是同期另一侧的消息：Google 向全体工程师开放了 Claude，Gemini 仍是默认模型。大厂对模型厂商”既用又防”的竞合关系越来越不稳定——这也给依赖单一模型 API 的产品提了个醒：数据主权与供应商可替换性，正在成为 B 端 AI 的硬约束。
来源：https://www.leiphone.com/category/zaobao/SrmCbu60oiAwTvkH.html
10. 349 份真实门诊病例：前沿 LLM 在中医临床评测中专家评分超过执业中医师
一篇新论文构建了覆盖 62 家医院的 349 份脱敏门诊病例库，抽出 60 个代表性病例，对 16 个 LLM 与 60 名执业中医师做对照评测，由五位资深中医专家在九个诊断与治疗维度上匿名打分。
结论是分层的：在医疗建议、治则治法以及部分诊断任务上，前沿通用 LLM 的专家评分高于医师对照组；但处方层面的分析暴露出选药、剂量与治法策略上的差异，质性安全审查还发现了幻觉与模板化输出。作者因此给出了并不夸张的结论——LLM 在中医决策支持上有潜力，但必须配合医师监督、安全约束与前瞻性临床验证。这类”真实病例 + 盲评 + 安全性审查”的设计，比单纯的基准分数更能说明模型能不能进临床。
来源：https://arxiv.org/abs/2609.17544
相关文章
